结合自编码器与聚类算法的水电站状态检修诊断方法
人工智能
2025-04-08 v1 机器学习
神经与进化计算
摘要
法国公司 EDF 使用监控与数据采集系统结合数据管理平台来监控水电站，使工程师和技术人员能够分析收集到的时间序列。根据所监控水电站的战略重要性，收集的时间序列数量可能会有很大差异，这使得难以从提取的数据中生成有价值的信息。为了尝试解决这一特定问题，本文开发并提出了一种结合聚类算法和自编码器神经网络进行模式识别的状态检测与诊断方法。首先，使用降维算法创建二维或三维投影，使用户能够识别数据点之间未预料的关系。然后，一组聚类算法将数据点重新组合成簇。对于每个识别出的簇，在相应的数据集上训练一个自编码器神经网络。目的是测量每个自编码器模型与测量值之间的重构误差，从而为在聚类阶段发现的每个状态创建一个邻近指数。
引用
@article{arxiv.2504.03649,
title = {Diagnostic Method for Hydropower Plant Condition-based Maintenance combining Autoencoder with Clustering Algorithms},
author = {Samy Jad and Xavier Desforges and Pierre-Yves Villard and Christian Caussidéry and Kamal Medjaher},
journal= {arXiv preprint arXiv:2504.03649},
year = {2025}
}